Inworld übernimmt Ultravox und treibt Echtzeit-Sprach-KI voran

Warum Inworld und Ultravox zusammengehen

Nach Angaben von Inworld arbeiteten die beiden Unternehmen im Rahmen einer Partnerschaft für Text-to-Speech eng zusammen und teilten dabei den Fokus darauf, Realtime-KI in großem Maßstab bereitzustellen. Die Zusammenarbeit habe gezeigt, wie sich ihre Technologien ergänzen und wie ihre Kombination Entwicklern helfen könnte, bessere Spracherlebnisse zu schaffen.

Laut Inworld bringt Ultravox Erfahrung in den Bereichen Sprachverständnis, logisches Schlussfolgern und Aufgabenerledigung mit, dazu Werkzeuge für den Umgang mit Sprecherwechseln und Unterbrechungen in Live-Gesprächen. Inworld steuert nach eigener Darstellung Sprachmodelle bei, die in Benchmarks Spitzenwerte erzielen, Realtime TTS-2 und Realtime STT-1, außerdem Model-Serving und eine Infrastruktur für Echtzeit-Inferenz für KI-Anwendungen im Endkundengeschäft.

Das erklärte Ziel ist es, das gesamte Gespräch zu verbessern: zu verstehen, was ein Nutzer sagt, ihm bei einer Aufgabe zu helfen und in einer Stimme zu antworten, die zum Moment passt. Für Entwickler bedeute das laut Inworld künftig bessere Speech-to-Speech-Erlebnisse über Inworld, parallel zu weiteren Verbesserungen bei den Stimmen und Funktionen von Ultravox.

Zach Koch, Mitgründer und früherer CEO von Ultravox, sagte, er sei „unglaublich stolz auf das, was das Ultravox-Team aufgebaut hat: Echtzeit-Sprach-KI, auf die sich Kunden jeden Tag verlassen“. Er fügte hinzu, er halte Inworld für „das richtige Zuhause für Ultravox und das richtige Team, um es weiterzubringen“.

Was sich heute ändert: TTS-2 und Stimmsteuerung

Die erste Verbesserung ist ab sofort verfügbar. Die integrierten Inworld-Stimmen auf Ultravox laufen auf Realtime TTS-2. Agenten, die bereits eine dieser Stimmen nutzen, erhalten das Upgrade automatisch, und bestehende Voice-IDs funktionieren weiter, ganz ohne Codeänderungen. Inworld beschreibt TTS-2 als eines der bestplatzierten Sprachmodelle bei Artificial Analysis.

TTS-2 führt zudem eine Steuerung per natürlicher Sprache ein. Entwickler können Tempo, Tonfall und emotionalen Ausdruck eines Agenten über Inline-Anweisungen lenken. Als Beispiele nennt Inworld, eine Stimme langsamer sprechen zu lassen, wenn sie einen komplizierten Schritt erklärt, wärmer zu klingen, wenn sie einen Kunden beruhigt, oder einer Figur mehr Energie zu verleihen.

• Die Identität des Sprechers bleibt gleich, Tempo und Intonation können mit dem aktualisierten Modell jedoch abweichen.
• Die Steuerung ist optional, Entwickler können sie also nur dort einsetzen, wo sie ihrer Anwendung nützt.

Akhilesh Damaraju, CEO von Equal AI, sagte, sein Unternehmen baue eine persönliche KI für ambitionierte Inderinnen und Inder und habe schon vor der Übernahme mit der Sprachtechnologie von Inworld gearbeitet. Die Verbindung von Inworld-Stimmen und der Ultravox-Plattform nannte er „einen natürlichen nächsten Schritt“ für die Spracherlebnisse, die das Unternehmen entwickelt.

Was das für bestehende Ultravox-Kunden bedeutet

Laut Inworld laufen die Agenten wie gewohnt weiter. Die Ankündigung erfordert weder eine Migration noch eine Codeänderung, und das TTS-2-Upgrade kostet nichts extra. Kunden, die eine Stimme eines anderen Anbieters verwenden, bemerken heute keine Veränderung.

Kunden können Ultravox weiterhin über ihre bestehenden Konten nutzen, mit fortlaufendem Support von Inworld und von Mitgliedern des Teams, das die Plattform aufgebaut hat. Fragen zum Konto gehen an [email protected].

Mit Blick nach vorn erklärt Inworld, die Übernahme treibe die Arbeit an Speech-to-Speech-Erlebnissen voran, die Sprachverständnis, logisches Schlussfolgern und ausdrucksstarke Spracherzeugung enger verzahnen. Mehr zu diesen Fähigkeiten und zu weiteren Verbesserungen für Ultravox-Kunden will das Unternehmen in den kommenden Wochen mitteilen.